Probabilistic Seasonality
概率季节性调整AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要核心是时间序列的季节分解与预测评估，并涉及宏观序列的实时不确定性，直接对应时间序列与预测方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
概率季节性调整
- 研究问题
- 摘要称，季节性调整对经济分析至关重要，但季节成分本质不可观测，因此调整结果存在不确定性；本文关注如何对季节成分的结构与参数给出概率性刻画，并量化当前季节调整的不确定性。
- 方法与思路
- 作者提出一种概率模型发现方法，将时间序列分解为季节与非季节成分，并给出季节成分结构与参数的后验分布；摘要提到通过模拟研究评估该方法，并将其用于美国宏观经济序列的实证分析。
- 材料陈述的贡献
- 摘要称，模拟研究中该方法在点预测、区间预测和季节成分恢复方面相对 X-13ARIMA-SEATS 有所改进；在 COVID-19 衰退期间八条美国宏观序列的研究中，该方法能实时显示对当前季节调整的显著事前不确定性，且早于许多 X-13 修订达到峰值。
- 阅读关注点
- 应核对模型发现的具体搜索空间与先验设定、后验计算方式、模拟设计是否公平、与 X-13ARIMA-SEATS 的比较指标与样本，以及实时不确定性度量如何构造、是否可复现。
- 阅读边界
- 仅凭摘要无法判断识别假设、理论性质、计算成本与稳健性；摘要中的改进与实时发现均属作者陈述，未经独立验证。该文为 arXiv 预印本，不能据此声称已通过同行评审或期刊接收。
原文摘要
Seasonal adjustment is fundamental to economic analysis, but uncertain because seasonal components are inherently latent. This article introduces a probabilistic model discovery method that decomposes a time series into seasonal and nonseasonal components. The method returns a posterior distribution over the structure and parameters of a seasonal component. In simulation studies, the method can improve point forecasts, interval predictions, and recovery of seasonal components relative to X-13ARIMA-SEATS. In a study of eight U.S. macroeconomic series during the COVID-19 recession, the method surfaces significant ex-ante uncertainty about current seasonal adjustments in real time, well before many X-13 revisions reach their eventual peaks.